1703414660
法默和帕卡德各自花了15年的时间所研究的混沌理论，在帮助他们理解复杂系统是如何工作方面，起到了史无前例的效果（从1991年的标准来判断）。而且，运用电脑和经济学领域（或者很多是在物理学领域）所受的数学教育来研究现实问题，在之前看来，似乎是不可能的事情。他们在混沌理论领域的工作经历帮助他们更好地理解了有规律的模式，这些模式通常具有较强的预测能力，但却很可能会被随机的表象给掩盖起来。这些经历同时向他们展示了应该如何运用正确的统计测量方式来确定真实的预测模式；如何检测反映市场行为模式的数据；以及最终如何找到模型在什么时候无法发挥预测的功能。他们对肥尾分布和狂放随机分布的统计特征非常熟悉，而这两种分布特征正好是物理学中的复杂系统和金融市场的复杂系统的重要特征。这意味着他们可以轻松地运用曼德博关于风险管理的部分思想，而且是用接受传统经济学教育的学者不能运用的方式进行的。
1703414661
1703414663
统计套利与黑盒子模型
1703414664
1703414665
就预测公司而言，市场可能是混沌的，当然，也可能不是混沌的。市场行为中的随机程度可能是各种各样的。控制市场运行的或许是一些简单的规律，或许是一些极其复杂的规律，或许是一些变化非常迅速以至于之前都没有记录过的规律。预测人员所作的事情，其实就是试图从大量杂乱的信息中提取少量有用的信息。这与大量的投资者想要找寻的规律其实是类似的：市场将会对如利率变化或就业数据等经济信息做出什么样的反应；一个市场上这些变量的变化将会引起其他市场发生什么样的变化；不同行业之间的发展又是如何交错影响的。
1703414666
1703414667
他们常用的一个策略就是被我们称为统计套利（Statistical arbitrage）的策略，这一策略的工作原理就是打赌股票的某些统计性特征将会再次出现，即使这些特征短暂性地消失了。最经典的例子就是配对交易（Pairs trading）。配对交易主要是通过观察与公司股票价格密切相关的其他公司的股票来执行的。我们以百事可乐和可口可乐为例。实际上，任何非针对具体公司的新闻对百事可乐公司产品的影响与对可口可乐公司产品的影响都是一样的，这也就意味着两家公司的股票价格的变化通常来说都是类似的。但是，两家公司股票价格的变化却不是完全同步的，所以，有时，公司的股票价格与它的长期表现相比会变得不正常。如果百事可乐公司的股票价格有小幅上涨而可口可乐公司股票价格却没有任何变化，考虑到这两家公司之间的关系，你会卖出百事可乐公司的股票而买入可口可乐公司的股票，因为你有充足的理由相信，两家公司的股票价格将会发生相反的转变，从而回归到正常状态。法默和帕卡德并没有提出配对交易的概念。
1703414668
1703414669
配对交易是20世纪80年代摩根士丹利开发出来的前沿性金融产品，是由一位名叫努兹奥·塔尔塔利亚（Nunzio Tartaglia）的天体物理学家和一位名叫格里·班伯格（Gerry Bamberger）的计算机科学家共同研发出来的。不过，法默和帕卡德却将新层次的严谨性和复杂性带到了统计性关系的确定与测试中，而这些交易策略都是以他们的研究为基础的。
1703414670
1703414671
这里所说的复杂性其实就是某些工具的方程，而这些工具，法默和帕卡德完全有能力从他们所学的物理学知识中引进过来。例如，作为一名物理学家，帕卡德对电脑程序中某一种前沿研究非常熟悉，这就是我们所熟知的遗传算法（Genetic algorithm）。算法就是一系列指令的集合，可以用来解决某个特殊的问题。假设你准备确定某个实验所应该具备的理想条件是什么，传统的方法可能是需要你花很长时间去挨个排查，然后找到一个最佳的答案。这可能需要很多表格，但是看起来很直观。遗传算法则不一样，这个办法在解决这类问题的时候通常都是通过间接的方式实现的。你首先从所有可能的答案出发，也就是说，你会面对一系列可能的实验条件，然后对它们进行比较分析，就像动物们对资源的争夺那样，运用的是排除法。最有效的那些解决方案首先会脱颖而出，然后进入下一轮的竞争。这样的流程一直进行下去，留下来的都是最合适的，而这个合适的程度就取决于最优化所设定的标准，比如，在设定的条件下，实验的结果将会表现如何。事实证明，在很多情况下，遗传算法能够非常迅速地找到那些很难的物理问题的最优或近似最优的方案。
1703414672
1703414673
总的来说，物理学家们，特别是法默和帕卡德，已经发明了多种的最优化演算法。这些演算法跟遗传算法一样，都具有相同的目标，通过认真地设计这些不同的演算法从而实现不同的目标任务。这些演算法都有相同的模式轨迹： 它们首先梳理相关的数据，在同一时间检测上百万的模型，然后找到那些具有预测功能的信息。
1703414674
1703414675
然而，就这些演算法而言，在解决物理学方面的问题，并没有什么特殊之处。它们可以运用到任何领域中，包括金融领域。假设你在日元货币市场与大米期货市场之间发现了一些非常奇怪的统计特征，看上去，有足够的信息表明，如果日元升值，那么大米期货价格也会随之上涨。因此，当你注意到日元可能会往上走时，你应该买入大米期货合约。其他情况下也可以，比如，你可以对百事可乐公司和可口可乐公司的股票做相应的配对交易。
1703414676
1703414677
我们注意到，在这些案例中，基本的策略是非常清楚的。生活中有各种各样的可能性与这些基本策略相适应。为了更加科学地分析这一问题，你可能特别想搞清楚，日元与大米期货的价格之间的关系是如何紧密相连的，它们俩之间的相关性是不是会随着其他市场环境的变化而发生改变。你可能还特别想知道你应该买入多少大米期货合约，在什么时候购买，日元上涨的可能性会最大。然而，从这些相关的变量中找到一个最佳的方法可能是一项非常费时费力的工作，你可能永远没法保证你所做的就是完全正确的。与此同时，你还可能错过一些机会。不过，如果你运用了遗传算法，你就可以让建立在日元和大米期货合约假定关系基础上的上千种数量的模型以及交易策略相互比拼。然后，你很快就会获得一个最优策略，或者近似于最优的策略。这就是预测的多样性，但是，它并不要求你完全掌握混沌理论对市场的描述。它比混沌理论更容易实现，并能够选择最优方案。
1703414678
1703414679
预测公司另外一个重要的思想是一次性运用大量不同的模型，而每一个模型都是建立在有关不同资产统计特征的不同简单假设基础上的。法默和帕卡德进一步发展了演算法，可以让不同的模型“选举”不同的交易。只有当他们的模型能够达成一致意见时，他们才会选择这一策略，而这个一致意见通常会带来成功。选举这件事情，听上去好像跟物理学没有任何关系，但它来源于法默和帕卡德日常关于复杂系统研究的基本思想。允许很多不同的模型通过选举确定哪一个交易策略是最强悍的，从某种意义上来说，他们就不需要去详细了解每一个模型的具体情况。寻找最强悍的模型与在复杂系统中寻找吸引子，这两者之间存在着紧密的关系，因为吸引子也是完全独立于初始条件的。
1703414680
1703414681
通过运用演算法从而确定最优策略，这种类型的模型，在金融行业，通常被称为黑盒子模型（Black Box Model）。黑盒子模型与布莱克-斯科尔斯模型以及之前的模型都有非常大的区别，以前的模型的内部工作原理不仅透明易懂，而且，它们通常对模型为什么会起作用还提供了非常有见地的观点。黑盒子模型与它们比较起来，就显得非常不透明。因此，它们通常看上去很唬人，特别是对那些并不知道这些模型是怎么来的、或者为什么这些模型值得信赖表示怀疑的人来说，它们显得格外可怕。在预测公司使用黑盒子模型之前，偶尔也有其他公司会运用这一模型，不过，预测公司是第一家在黑盒子模型基础之上构建一个完整商业模式的公司。在选择交易策略方面，这属于一个全新的方式。
1703414682
1703414684
神秘的高科技公司
1703414685
1703414686
在加盟公司将近一年时间之后，预测公司的高级合伙人并没有赚到什么钱。投资公司需要找到一些值得投资的项目。法默、帕卡德和麦吉尔在没有任何工资收入的情况下继续前进，哪怕情况变得更加糟糕，他们也要坚持下去。他们用自己的私人存款已经为他们的研究生团队和电脑工程师们支付了8个月的各种开支，从1991年7月开始，所有的人都在格里芬大街的办公室住了下来。但是，面临选择的时间终究还是来了。合伙人们都知道他们并不想将公司这么快就卖掉，不过，将公司变成其他人的对冲基金的想法，看上去开始有点吸引力了。至少，他们还有资本，而且他们或多或少是独立的。他们花了好几个月的时间跟可能的合伙人进行面谈，在这个时间点上，他们很难想到其他更好的解决办法。
1703414687
1703414688
1992年3月上旬，奇迹发生了。法默被邀请在一次电脑科学年会上做主题演讲。他非常高兴地答应了这次邀请，因为他知道很多硅谷的投资者将会参加这个年会，他们可能会提供一些无附加条件的融资帮助。法默发表了关于电脑在预测领域所起作用的演讲，这一演讲引发了不少关注。演讲之后，当法默正在整理讲义的时候，一个穿着正装的男子向他走过来。他自我介绍说他叫克雷格·海马克（Craig Heimark），是奥康纳联合公司的一名合伙人。奥康纳联合公司在格林鲍姆和斯特鲁夫的指导下，成功地修正了布莱克-斯科尔斯模型，考虑到肥尾分布的假设，从而赚到了公司的第一桶金。到1991年，奥康纳联合公司已经是芝加哥商品期货交易市场里最大的交易商之一，交易的品种主要集中在高科技金融衍生品上。公司的雇员有600人之多，管理的资金规模高达几十亿美元。奥康纳联合公司并不使用非线性的预测方法，而预测公司对金融衍生品也并不感兴趣。然而，奥康纳联合公司却是由一群注重预测分析的人建立起来的。事实上，奥康纳联合公司最近所雇用的一名员工，正是法默和帕卡德从事学术研究时代的一位朋友兼研究伙伴。
1703414689
1703414690
在法默和海马克碰面后不久，法默接到了另外一位奥康纳联合公司合伙人戴维·温伯格（David Weinberger）的电话。温伯格是最早的一批宽客之一，他之前在耶鲁大学教授与运筹学相关的课程，从本质上来看，运筹学属于应用数学的一个分支。1976年，他离开耶鲁大学，加盟高盛公司，他到高盛工作的时间甚至比布莱克还要早。1983年，他跳槽到了奥康纳联合公司，目的是帮助奥康纳联合公司更好地运用布莱克-斯科尔斯模型来构建新的交易策略，因为越来越多的公司都是这么干的。即使是在1991年，在金融行业，既能够游刃有余地进行大规模交易，又能够运用科学家的语言驾驭预测公司的运转，这样的人并不多，而温伯格就是其中的一员。温伯格是在一个星期五的下午从芝加哥打来电话，而到了星期六上午，他已经坐在法默位于格里芬大街的办公室里了。
1703414691
1703414692
后来的事实证明，奥康纳联合公司就是预测公司希望合作的那类公司。很大一部分原因就在于奥康纳联合公司的工作人员完全有能力理解法默和帕卡德所做的事情到底是什么，并且能够给予公正合理的评价。在他们最终达成的协议中，预测公司依然保持其独立性。奥康纳联合公司为预测公司提供投资资本，换来的是预测公司大部分的收益。同时，它还为预测公司提供资金支持，而这笔资金正是预测公司所需要的，因为他们可以用这笔钱来给员工发工资，同时还可以购买一些必要的设备。
1703414693
1703414694
从那个时候来看，预测公司与奥康纳联合公司的合作是那么的完美。而且，后面的发展表明，结果比预测公司的创业者们所希望的还要好。当奥康纳联合公司敲响与预测公司合作的大门时，它已经与瑞银公司（Swiss Bank Corporation, SBC）保持了相当长一段时间的合作伙伴关系，而瑞银公司是瑞士一家有着一个半世纪悠久历史的银行。1992年，当奥康纳联合公司与预测公司合作协议刚刚签下不久，瑞银公司就对外宣布它准备完全收购奥康纳联合公司。预测公司发现他们与奥康纳联合公司在未来经营和发展方面志趣相投，而且还可以获得来自瑞银公司的更深层次的资金支持。温伯格在瑞银公司担任高级管理人员的职位，同时还继续担任负责与预测公司联络的主要联络官。这是一个非常完美的安排，预测公司取得了巨大的成功。
1703414695
1703414696
1998年，瑞银公司与规模更大的瑞士联合银行（Union Bank of Switzerland）合并，组成了今天的瑞银集团（UBS），它是今天世界上最大的金融集团之一。尽管公司规模不一样，然而，大多数瑞银集团的高级管理职位都是由瑞银公司的经理人员担任的，他们与预测公司依然维持原先的良好状态。
1703414697
1703414698
预测公司，遵循奥康纳联合公司作为一家秘密的高科技公司的传统，从来没有将它成功的经验向外透露过。无论是之前的高级管理人员，还是现在的董事会成员，没有一个人被授权可以与我分享任何秘密的信息。这看起来似乎非常神秘。毕竟，既然你已经取得了这么大的成功，为什么还要藏头藏尾，将它隐藏起来呢？这大概是因为，在华尔街，成功会引发大家争相模仿，当越来越多的公司都执行与你相同的策略时，每一家公司所获得的利润空间就大大减少了。也有其他的一些迹象表明预测公司确实取得了巨大的成功。正如我采访的某个董事会成员所指出的那样：即使过了十多年的时间，预测公司仍然是瑞银集团非常活跃的一个子公司。另外一个可靠的消息来源也表明：在公司前15年时间的发展历史中，其风险调整后的收益率几乎是同一时期美国标准普尔500指数收益率的100倍。
1703414699
1703414700
法默在预测公司待了大约10年的时间，对研究工作的热情重新将他拉回到学术界。1999年，他在圣塔菲研究所获得了一个全职的研究工作岗位。帕卡德在预测公司待的时间要更久一些，他以CEO的身份一直工作到2003年。随后，他离开预测公司，重新开了一家公司，即原生公司（Protolife）。当法默和帕卡德离开的时候，他们给公司留下了鲜明的特点：对统计数据的深刻领悟，以及对物理学提供的工具加以创造性地合理再利用，可以战胜任何人。现在，我们该处理其他的一些新问题了。
1703414701
1703414703
最聪明的投资者
1703414704
1703414705
自2007—2008年金融危机爆发以来，黑盒子模型以及更常见的算法交易就受到了人们的疯狂反对。这些负面的评论并没有冤枉它们。黑盒子模型经常表现不错，不过，毫无疑问，想要准确地找到为什么它们有效，或者完全预测到它们什么时候会变得无效，这是不可能做到的事情。这就意味着，黑盒子模型的建立者并没有能力确定进入他们模型中的这些假设条件在什么时候将会变得失效。为了继续寻找这方面的理论支持，研究人员一直用统计方法的连续测试去验证它的可信度，并决定在多大程度上它们可以按照最开始计划的那样继续使用。而这将会让它们看上去风险更大，在某些情况下，如果判断不当，它们确实具有很大的风险。它们很容易被滥用，因为，如果某个模型在之前的使用过程中效果不错的话，人们就很容易相信，不管发生什么，这个模型还会继续发挥作用。
1703414706
1703414707
然而，最终数据会胜于理论。这就意味着，不管你的模型（非黑盒子模型）获得什么样的理论支撑，最后，你还是需要通过它的表现来对它做评价。即使是最透明的模型也需要通过同一类统计方法进行连续的测试，这一方法也要用于评估黑盒子模型。这方面最有说服力的例子是通过认真审视布莱克-斯科尔斯模型的失败获得的，其失败就在于没有考虑波动率微笑的影响，而那可以看成是1987年股市崩盘的余波。模型的支持理论是一把双刃剑：一方面，这可以帮助从业人员更好地理解模型的局限性；另一方面，它也可以让你形成一种错误的自信心，以为掌握了模型的理论支持依据，就相信模型肯定是正确的。遗憾的是，科学在这方面并不起作用。从最新的观点来看，黑盒子模型与其他模型相比较，依然具有一定的优势，因为我们是通过它的实际成功率来评价它的有效性，而不是建立在“它应该成功”的信念上来评价它的有效性的。
1703414708
1703414709
对黑盒子模型还有另外一层担忧，这个层次的担忧超过了它的不透明性。到目前为止，所有我讨论过的物理学家们的工作，从巴施里耶到布莱克，都认为市场是不可预测、随机游走的。唯一争论的焦点是随机游走的特征，以及市场的表现是不是可以被看成是服从正态分布。巴施里耶和奥斯本第一次发现市场是不可预测的，自从那个时候开始，这一思想就在有效市场假说的支撑下，构成了主流金融理论的核心原则。
[
上一页 ]
[ :1.70341466e+09 ]
[
下一页 ]